Laser-Direktmetallabscheidung von 2024 Al-Legierung: Vorhersage der Trace-Geometrie mittels Maschinellen Lernens

Die Laser-Direktmetallabscheidung ist eine fortschrittliche additive Fertigungstechnologie, die sich für Wartung, Reparatur und Überholung von hochpreisigen Produkten eignet und minimale Verformungen des Werkstücks, reduzierte wärmebeeinflusste Zonen und eine überlegene Oberflächenqualität ermöglicht. Das Interesse an der Reparatur und Beschichtung von Teilen aus der 2024-Aluminiumlegierung wächst, die aufgrund ihrer ausgezeichneten Plastizität, Korrosionsbeständigkeit, elektrischen Leitfähigkeit und ihres Festigkeits-Gewichts-Verhältnisses in einer Vielzahl von Anwendungen in der Automobil-, Militär- und Luftfahrtindustrie weit verbreitet ist. Ein kritisches Problem im Laser-Direktmetallabscheidungsprozess steht im Zusammenhang mit den geometrischen Parametern des Querschnitts des abgesetzten Metallstrangs, die kontrolliert werden müssen, um die Spezifikationen des Bauteils zu erfüllen. In dieser Forschung wird ein Ansatz des maschinellen Lernens, basierend auf künstlichen neuronalen Netzwerken, entwickelt, um die Korrelation zwischen den Prozessparametern der Laser-Metallabscheidung und den geometrischen Ausgangsparametern des abgesetzten Metallstrangs, der durch Laser-Direktmetallabscheidung auf 5 mm dicken 2024-Aluminiumlegierungsplatten erzeugt wird, zu finden. Die Ergebnisse zeigen, dass das auf neuronalen Netzwerken basierende Paradigma des maschinellen Lernens in der Lage ist, die geeigneten Prozessparameter, die erforderlich sind, um eine spezifizierte Geometrie für den abgesetzten Metallstrang zu erhalten, genau zu schätzen.